Mostrar el registro sencillo del ítem
Machine Learning para predecir la adquisición de plataformas educativas de la empresa Difucien Ecuador, 2022
dc.contributor.advisor | Pacheco Torres, Juan Francisco | |
dc.contributor.author | Guzman Velez, Dayana Mariuxi | |
dc.date.accessioned | 2022-11-26T01:31:00Z | |
dc.date.available | 2022-11-26T01:31:00Z | |
dc.date.issued | 2022 | |
dc.identifier.uri | https://hdl.handle.net/20.500.12692/102577 | |
dc.description.abstract | El actual trabajo de investigación tuvo como objetivo predecir la adquisición de plataformas educativas. Se utilizó Machine Learning para predecir, buscando teoría relacionada se encontró que el algoritmo de regresión lineal es usado con frecuencia para predecir ventas, por ello, fue el aplicado en este estudio. Para realizar el análisis de los datos, se usó el software estadístico R Studio, en el cual se realizaron modelos predictivos para obtener una solución que permitiera mejorar el cierre de ventas de productos. En el apartado de recolección de datos, se utilizaron como instrumentos fichas de observación en el PreTest y PostTest. Luego de aplicar la solución de Machine Learning, los resultados obtenidos fueron que se redujo en un 18,01% (14 minutos) el tiempo para elegir plataformas; también, el tiempo para elección de clientes potenciales se redujo en un 32,29% (65, 50 minutos). Otro resultado a considerar, fue que el índice de adquisiciones de plataformas aumentó en un 16,50%, del mismo modo, el tiempo para cerrar ventas se redujo en un 24,35%, gracias a la implementación de Machine Learning. Como conclusión, se indica que la aplicación de un algoritmo de aprendizaje automático mejora significativamente los procesos de cierre de ventas de productos académicos | es_PE |
dc.format | application/pdf | es_PE |
dc.language.iso | spa | es_PE |
dc.publisher | Universidad César Vallejo | es_PE |
dc.rights | info:eu-repo/semantics/openAccess | es_PE |
dc.rights.uri | https://creativecommons.org/licenses/by/4.0/ | es_PE |
dc.source | Repositorio Institucional - UCV | es_PE |
dc.source | Universidad César Vallejo | es_PE |
dc.subject | Machine learning | es_PE |
dc.subject | Planificación educativa | es_PE |
dc.subject | Empresa | es_PE |
dc.title | Machine Learning para predecir la adquisición de plataformas educativas de la empresa Difucien Ecuador, 2022 | es_PE |
dc.type | info:eu-repo/semantics/masterThesis | es_PE |
thesis.degree.discipline | Maestría en Ingeniería de Sistemas con Mención en Tecnologías de la Información | es_PE |
thesis.degree.grantor | Universidad César Vallejo. Escuela de Posgrado | es_PE |
thesis.degree.name | Maestro en Ingeniería de Sistemas con mención en Tecnologías de la Información | es_PE |
dc.description.sede | Trujillo | es_PE |
dc.description.escuela | Escuela de Posgrado | es_PE |
dc.description.lineadeinvestigacion | Sistema de Información y comunicaciones | es_PE |
renati.advisor.dni | 18167212 | |
renati.advisor.orcid | https://orcid.org/0000-0002-8674-3782 | es_PE |
renati.author.pasaporte | A8239445 | |
renati.discipline | 612427 | es_PE |
renati.juror | Rodriguez Peña, Milagros Janet | |
renati.juror | Pereda Guanilo, Victor Ivan | |
renati.juror | Pacheco Torres, Juan Francisco | |
renati.level | https://purl.org/pe-repo/renati/level#maestro | es_PE |
renati.type | https://purl.org/pe-repo/renati/type#tesis | es_PE |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#2.02.04 | es_PE |
dc.publisher.country | PE | es_PE |
dc.description.lig | Biodiversidad, cambio climático y calidad ambiental | es_PE |
dc.description.rsu | Desarrollo económico, empleo y emprendimiento | es_PE |
dc.description.ods | Trabajo decente y crecimiento económico | es_PE |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(es)
-
Trujillo [59]